Estructurar, mantener y optimizar las plataformas, arquitecturas y flujos de datos de la institución, habilitando el uso analítico, operacional y de inteligencia artificial, mediante procesos automatizados y habilitando el uso de modelos de datos robustos y entornos tecnológicos estandarizados permitiendo la disponibilidad, la calidad y escalabilidad de los datos para soportar análisis descriptivos, diagnósticos, predictivos y prescriptivos, habilitando técnica y operacionalmente el desarrollo, entrenamiento y despliegue de modelos de analítica avanzada y machine learning, logrando la consistencia, seguridad y confiabilidad de la información institucional. Funciones: -Gestionar y mantener arquitecturas de datos on-premises (data warehouse) y en la nube (data lake, data lakehouse), incluyendo arquitecturas orientadas a analítica avanzada y machine learning. -Desarrollar y administrar procesos de ingesta, transformación y carga de datos (ETL / ELT), provenientes de múltiples fuentes de datos institucionales. -Configurar procesos automatizados de gestión de datos, control de errores, validaciones y monitoreo de flujos. -Optimizar el diseño, desempeño de los procesos y almacenamiento de datos, considerando arquitecturas analíticas y flujos de datos escalables. -Implementar estándares técnicos de modelamiento de datos, versionamiento y documentación. -Implementar y mantener procesos técnicos de soporte al ciclo de vida de modelos de machine learning (MLOps).

Requisitos: Formación Profesional de carreras del ámbito de Tecnologías de la Información y Datos, de al menos 8 semestres de duración, tales como Ingeniería en Informática, Ingeniería en Computación, Ingeniería en Sistemas, Ingeniería de Software, Ingeniería en Ciencia de Datos o carreras afines. Experiencia laboral de mínimo 3 años en ingeniería de datos, desarrollo de pipelines, bases de datos o plataformas analíticas. Experiencia en entornos con grandes volúmenes de datos y arquitecturas escalables. Deseable experiencia en habilitación de plataformas para analítica avanzada e inteligencia artificial o implementación de pipelines para modelos predictivos en entornos cloud o híbridos, preferentemente utilizando tecnologías como Databricks, Microsoft Azure y herramientas de integración de datos como Oracle Data Integrator. Conocimientos en: -Arquitectura de datos y plataformas en entornos cloud y/o híbridos (Data Warehouse, Data Lake, Lakehouse). -Arquitecturas orientadas a MLOps y despliegue de modelos. -Desarrollo de pipelines ETL / ELT. -Modelamiento de datos relacional y dimensional. -SQL avanzado y optimización de consultas. -Control de versiones y buenas prácticas de desarrollo. -Programación en Python, SQL y/o lenguajes equivalentes. -Fundamentos de machine learning, analítica avanzada e inteligencia artificial desde la perspectiva de ingeniería de datos. -Manejo de orquestadores de procesos para gestión de datos. -Inglés técnico intermedio.